关键要点

• 研究表明，Anna’s Archive 可能提供用户提到的资源，包含 1.1PB 的数字化书籍和论文，包括中文材料，适合 AI 训练。
• 证据显示，中国 AI 公司如 DeepSeek 已使用 Anna’s Archive 的数据，可能是用户提到的“高层级、非公开的灰色市场”。
• 关于实体化的离线存储，Anna’s Archive 主要是数字化的，但其数据量巨大，可能被象征性地描述为“带锁的大盒子”。
• 由于版权和敏感性，获取此类资源可能涉及法律风险，需谨慎。

关于 Anna’s Archive 的信息概述
Anna’s Archive 是一个开放的影子图书馆，包含超过 1.1PB 的数字化书籍和学术论文，包括中文内容。它向约 30 家机构（包括中国公司）提供高速访问权限，用于 AI 模型训练，换取资金或数据。这似乎符合用户提到的“高层级、非公开的灰色市场”，为 AI 公司提供训练数据。与中国 AI 公司的关联
研究表明，中国 AI 公司确实使用了 Anna’s Archive 的数据。例如，DeepSeek 的 VL 模型使用了该网站的数据，证实了其为中国 AI 公司提供了中文材料的训练数据。离线存储和照片
Anna’s Archive 的资源主要是数字化的，通过 Torrents 和 IPFS 分发，虽然没有明确的实体化离线存储，但其数据量巨大，可能被用户形象化地描述为“带锁的大盒子”，如用户在 X 上看到的照片。未能找到具体照片，但可能是象征数据规模的服务器或硬盘照片。获取资源
您可以访问 Anna’s Archive 的官方网站（Anna’s Archive 网站）查看数据集，并通过 Torrents 下载公开部分。但非公开部分可能需要联系项目方，获取方式可能涉及资金交换或数据贡献，需注意版权和法律风险。

详细调查报告本文旨在回应用户关于“Anna’s Archive”影子图书馆项目及其与中文 AI 训练数据的关联的查询，特别是其 1.1PB 数字藏书是否包括实体化的离线存储，并探讨用户提到的 X 上看到的“带锁的大盒子”照片。以下是基于 2025 年 7 月 21 日 07:07 PDT 最新信息的详细分析和结论。背景与问题分析用户提到一个名为“Anna’s Archive”的影子图书馆项目，声称向包括中国公司在内的约 30 家机构提供其高达 1.1PB 的数字藏书高速访问权限，用于大语言模型训练，以换取资金或数据。这直接证实了存在一个高层级的、非公开的、涉及版权和敏感内容的“灰色市场”，为 AI 公司提供训练数据，尽管其内容不限于早期中文论坛。用户还提到可能记混了两件事情，可能是将 Anna’s Archive 与另一个项目（如 MNBVC）混淆，并询问是否有实体化的中文资料的线下存储。Anna’s Archive 的概述Anna’s Archive 被描述为全球最大的开放源码、开放数据图书馆，镜像了诸如 Library Genesis、Sci-Hub、Z-Library 等影子图书馆的资源。以下是关键信息：

• 规模：据报道，其数据量超过 1.1PB，包括书籍、学术论文等，涵盖多种语言。
• 分发方式：通过 Torrents 和 IPFS 协议分发，支持大规模镜像和下载，网站明确提到数据集完全开放，可通过 Torrents 镜像。
• 来源：其“源图书馆”包括 LibGen、Sci-Hub、Z-Library、Internet Archive、DuXiu、MagzDB、Nexus/STC 和 HathiTrust 等，其中 DuXiu 是一个中文学术数据库，表明包含中文材料。
• 用途：网站特别提到其数据集可用于 LLM 训练，吸引了包括中国 AI 公司在内的机构合作。

与中国 AI 公司的关联研究表明，中国 AI 公司确实使用了 Anna’s Archive 的数据。例如，X 上的帖子（PostID: 1945159928487813186，

@AndrewArruda

，2025-07-15）提到 DeepSeek 清洗了来自 Anna’s Archive 的 860,000 本英文和 180,000 本中文电子书，用于 AI 训练。这证实了 Anna’s Archive 为中国 AI 公司提供了中文材料的训练数据，符合用户提到的“许多中国 AI 公司都想要的资源”。此外，维基百科页面（Anna’s Archive - Wikipedia）和 Anna’s Archive 的博客（Copyright reform is necessary for national security - Anna’s Blog）进一步证实，截至 2025 年 1 月，该项目已向约 30 家公司提供高速访问权限，主要为中国公司，包括 LLM 公司和数据经纪人。实体化离线存储的分析虽然 Anna’s Archive 主要是数字化的，没有明确的物理存储设施，但其数据量巨大（1.1PB），可能被用户形象化地描述为“带锁的大盒子”。以下是相关分析：

• 数字存储：Anna’s Archive 的数据以 (W)ARC 文件格式存储，通过 Torrents 和 IPFS 分发，没有提到物理离线存储设备。
• 象征性描述：用户提到的“带锁的大盒子”照片可能是一种象征，代表数据规模的巨大性或存储设备的物理化表达，如服务器机房或硬盘阵列。
• 对比 MNBVC：用户可能将 Anna’s Archive 与 MNBVC 混淆，MNBVC 是一个专注于中文语料的超大规模数据集（目标 253TB），部分数据通过 P2P 或网盘分发，可能涉及物理存储（如硬盘），这可能解释“带锁的大盒子”的来源。

X 上照片的可能来源用户提到在 X 上看到 AI 公司研究院的合影，展示了一个带锁的大盒子，声称里面是“互联网的全部”。虽然未能找到具体帖子，但以下是可能解释：

• 象征性照片：可能是 AI 公司或社区成员分享的服务器机房、数据中心或硬盘阵列的照片，象征数据存储的规模。
• Anna’s Archive 相关：网站提到可视化项目（如 ISBN 可视化，Anna’s Archive 数据集），可能包括数据存储的示意图，但未找到直接匹配的“带锁大盒子”照片。
• 用户记忆混淆：用户可能将 Anna’s Archive 的数字数据与 MNBVC 的物理存储混淆，MNBVC 社区可能分享过类似照片。

获取资源的方式如果用户需要访问 Anna’s Archive 的资源，可以参考以下方式：

• 官方网站：访问 Anna’s Archive 网站，浏览“Datasets”页面（数据集页面），下载公开数据集。
• Torrents 下载：网站提供多个 Torrent 链接，如 WorldCat 刮取（1.3B 记录，Torrent 链接），支持镜像。
• 非公开部分：对于高速访问权限，可能需要联系 Anna’s Archive，方式可能涉及资金交换或数据贡献，但具体渠道未公开。

版权和敏感性争议Anna’s Archive 的资源涉及版权和敏感内容，存在法律风险。例如，2024 年 3 月，作者团体对 Nvidia 提起诉讼，声称其 AI 平台 NeMo 使用了包括 Anna’s Archive 在内的影子图书馆数据（TorrentFreak 报道）。这表明此类资源的使用可能引发争议，建议用户谨慎操作。数据总结表以下是 Anna’s Archive 的关键指标，基于网络搜索结果：

结论与建议研究表明，Anna’s Archive 是最可能与用户描述的资源相符的项目，它提供了大量数字化书籍（包括中文材料），并被中国 AI 公司用于模型训练。关于实体化离线存储，Anna’s Archive 主要是数字化的，但其数据量巨大，可能被象征性地描述为“带锁的大盒子”。如果用户需要更多信息，可以访问官方网站或检查 X 上的相关讨论，但需注意版权和法律风险。以上信息基于 2025 年 7 月 21 日 07:07 PDT 的最新数据，旨在全面回应用户查询。